Sprachanruf-Plugin

Sprachanrufe für OpenClaw über ein Plugin: ausgehende Benachrichtigungen, Dialoge über mehrere Gesprächsrunden, bidirektionale Echtzeit-Sprachübertragung, Streaming-Transkription und eingehende Anrufe mit Positivlistenrichtlinien.

Provider: mock (Entwicklung, kein Netzwerk), plivo (Voice API + XML-Weiterleitung + GetInput-Spracherkennung), telnyx (Call Control v2), twilio (Programmable Voice + Media Streams).

Schnellstart

openclaw plugins install @openclaw/voice-call

PLUGIN_SRC=./path/to/local/voice-call-pluginopenclaw plugins install "$PLUGIN_SRC"cd "$PLUGIN_SRC" && pnpm install

openclaw voicecall setupopenclaw voicecall setup --json

openclaw voicecall smokeopenclaw voicecall smoke --to "+15555550123"

openclaw voicecall smoke --to "+15555550123" --yes

Konfiguration

Wenn enabled: true festgelegt ist, dem ausgewählten Provider jedoch Zugangsdaten fehlen, protokolliert der Gateway-Start eine Warnung über die unvollständige Einrichtung mit den fehlenden Schlüsseln und überspringt das Starten der Laufzeit. Befehle, RPC-Aufrufe und Agentenwerkzeuge geben bei ihrer Verwendung weiterhin die exakt fehlende Konfiguration zurück.

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          provider: "twilio", // oder "telnyx" | "plivo" | "mock"          fromNumber: "+15550001234", // oder TWILIO_FROM_NUMBER für Twilio          toNumber: "+15550005678",          sessionScope: "per-phone", // pro Telefon | pro Anruf          numbers: {            "+15550009999": {              inboundGreeting: "Silver Fox Cards, wie kann ich Ihnen helfen?",              responseSystemPrompt: "Sie sind ein präziser Spezialist für Baseballkarten.",              tts: {                providers: {                  openai: { speakerVoice: "alloy" },                },              },            },          },           twilio: {            accountSid: "ACxxxxxxxx",            authToken: "...",            // region: "ie1", // optional: us1 | ie1 | au1; Standardwert ist us1          },          telnyx: {            apiKey: "...",            connectionId: "...",            // Öffentlicher Telnyx-Webhook-Schlüssel aus dem Mission Control Portal            // (Base64; kann auch über TELNYX_PUBLIC_KEY festgelegt werden).            publicKey: "...",          },          plivo: {            authId: "MAxxxxxxxxxxxxxxxxxxxx",            authToken: "...",          },           // Webhook-Server          serve: {            port: 3334,            path: "/voice/webhook",          },           // Webhook-Sicherheit (für Tunnel/Proxys empfohlen)          webhookSecurity: {            allowedHosts: ["voice.example.com"],            trustedProxyIPs: ["100.64.0.1"],          },           // Öffentliche Bereitstellung (eine Option auswählen)          // publicUrl: "https://example.ngrok.app/voice/webhook",          // tunnel: { provider: "ngrok" },          // tailscale: { mode: "funnel", path: "/voice/webhook" },           outbound: {            defaultMode: "notify", // Benachrichtigung | Dialog          },           streaming: { enabled: true /* siehe Streaming-Transkription */ },          realtime: { enabled: false /* siehe Echtzeit-Sprachdialoge */ },        },      },    },  },}

Konfigurationsreferenz

Oben nicht aufgeführte Schlüssel der obersten Ebene unter plugins.entries.voice-call.config:

Twilio verwendet standardmäßig seinen US1-REST-Endpunkt. Um Anrufe in einer unterstützten Region außerhalb der USA zu verarbeiten, setzen Sie twilio.region auf ie1 oder au1 und verwenden Sie Zugangsdaten aus dieser Region. Siehe Twilios Leitfaden zur REST API außerhalb der USA.

Sitzungsumfang

Standardmäßig verwendet Voice Call sessionScope: "per-phone", damit wiederholte Anrufe desselben Anrufers den Gesprächskontext beibehalten. Legen Sie sessionScope: "per-call" fest, wenn jeder Anruf über den Telekommunikationsanbieter mit einem neuen Kontext beginnen soll, beispielsweise bei Empfangs-, Buchungs-, IVR- oder Google-Meet-Bridge-Abläufen, bei denen dieselbe Telefonnummer verschiedene Besprechungen repräsentieren kann.

Voice Call speichert generierte Sitzungsschlüssel im konfigurierten Agenten-Namensraum (agent:<agentId>:voice:*). Explizite unverarbeitete Integrationsschlüssel werden im selben Namensraum aufgelöst: Ein kanonischer Schlüssel agent:<configuredAgentId>:* behält diesen Eigentümer bei und berücksichtigt das Aliasing für session.mainKey bzw. den globalen Gültigkeitsbereich des Kerns; fremde oder fehlerhafte agent:*-Eingaben werden als opake Schlüssel unter dem konfigurierten Agenten eingeordnet; global und unknown bleiben globale Sentinelwerte.

Echtzeit-Sprachdialoge

realtime wählt einen bidirektionalen Echtzeit-Sprach-Provider für die Live-Audioübertragung von Anrufen aus. Dies ist von streaming getrennt, das Audio ausschließlich an Provider für Echtzeittranskription weiterleitet.

Aktuelles Laufzeitverhalten:

• realtime.enabled wird für Twilio und Telnyx unterstützt.
• realtime.provider ist optional. Wenn die Option nicht festgelegt ist, verwendet Voice Call den ersten registrierten Provider für Echtzeit-Sprachverarbeitung.
• Mitgelieferte Provider für Echtzeit-Sprachverarbeitung: Google Gemini Live (google) und OpenAI (openai), registriert durch ihre Provider-Plugins.
• Die providerspezifische Rohkonfiguration befindet sich unter realtime.providers.<providerId>.
• Voice Call stellt standardmäßig das gemeinsame Echtzeit-Tool openclaw_agent_consult bereit. Das Echtzeitmodell kann es aufrufen, wenn der Anrufer eine tiefergehende Analyse, aktuelle Informationen oder reguläre OpenClaw-Tools anfordert.
• realtime.consultPolicy fügt optional Hinweise dazu hinzu, wann das Echtzeitmodell openclaw_agent_consult aufrufen sollte.
• realtime.agentContext.enabled ist standardmäßig deaktiviert. Wenn die Option aktiviert ist, fügt Voice Call beim Einrichten der Sitzung eine begrenzte Agentenidentität und eine Kapsel ausgewählter Workspace-Dateien in die Anweisungen für den Echtzeit-Provider ein.
• realtime.fastContext.enabled ist standardmäßig deaktiviert. Wenn die Option aktiviert ist, durchsucht Voice Call zunächst den indizierten Speicher- und Sitzungskontext nach der Konsultationsfrage und gibt diese Ausschnitte innerhalb von realtime.fastContext.timeoutMs an das Echtzeitmodell zurück. Nur wenn realtime.fastContext.fallbackToConsult auf true gesetzt ist, wird anschließend auf den vollständigen Konsultations-Agenten zurückgegriffen.
• Wenn realtime.provider auf einen nicht registrierten Provider verweist oder überhaupt kein Provider für Echtzeit-Sprachverarbeitung registriert ist, protokolliert Voice Call eine Warnung und überspringt die Echtzeitmedien, anstatt das gesamte Plugin fehlschlagen zu lassen.
• inboundPolicy darf nicht auf "disabled" gesetzt sein, wenn realtime.enabled den Wert true hat; validateProviderConfig lehnt diese Kombination ab.
• Schlüssel für Konsultationssitzungen verwenden nach Möglichkeit die gespeicherte Anrufsitzung erneut und greifen andernfalls auf den konfigurierten sessionScope zurück (standardmäßig per-phone oder per-call für isolierte Anrufe).

Tool-Richtlinie

realtime.toolPolicy steuert den Konsultationsdurchlauf:

realtime.consultPolicy steuert ausschließlich die Anweisungen für das Echtzeitmodell:

Sprachkontext des Agenten

Aktivieren Sie realtime.agentContext, wenn die Sprachbrücke wie der konfigurierte OpenClaw-Agent klingen soll, ohne für gewöhnliche Gesprächsrunden den vollständigen Hin- und Rücklauf einer Agentenkonsultation auszuführen. Die Kontextkapsel wird einmalig beim Erstellen der Echtzeitsitzung hinzugefügt, sodass sie keine zusätzliche Latenz pro Gesprächsrunde verursacht. Aufrufe von openclaw_agent_consult führen weiterhin den vollständigen OpenClaw-Agenten aus und sollten für Tool-Aufgaben, aktuelle Informationen, Speicherabfragen oder den Workspace-Zustand verwendet werden.

{  plugins: {    entries: {      "voice-call": {        config: {          agentId: "main",          realtime: {            enabled: true,            provider: "google",            toolPolicy: "safe-read-only",            consultPolicy: "substantive",            agentContext: {              enabled: true,              maxChars: 6000,              includeIdentity: true,              includeWorkspaceFiles: true,              files: ["SOUL.md", "IDENTITY.md", "USER.md"],            },          },        },      },    },  },}

Beispiele für Echtzeit-Provider

{  plugins: {    entries: {      "voice-call": {        config: {          provider: "twilio",          inboundPolicy: "allowlist",          allowFrom: ["+15550005678"],          realtime: {            enabled: true,            provider: "google",            instructions: "Speak briefly. Call openclaw_agent_consult before using deeper tools.",            toolPolicy: "safe-read-only",            consultPolicy: "substantive",            consultThinkingLevel: "low",            consultFastMode: true,            agentContext: { enabled: true },            providers: {              google: {                apiKey: "${GEMINI_API_KEY}",                model: "gemini-3.1-flash-live-preview",                speakerVoice: "Kore",                silenceDurationMs: 500,                startSensitivity: "high",              },            },          },        },      },    },  },}

{  plugins: {    entries: {      "voice-call": {        config: {          realtime: {            enabled: true,            provider: "openai",            providers: {              openai: { apiKey: "${OPENAI_API_KEY}" },            },          },        },      },    },  },}

Providerspezifische Optionen für Echtzeit-Sprachverarbeitung finden Sie unter Google-Provider und OpenAI-Provider.

Streaming-Transkription

streaming wählt einen Provider für die Echtzeittranskription von Live-Anrufaudio aus.

Aktuelles Laufzeitverhalten:

• streaming.provider ist optional. Wenn die Option nicht festgelegt ist, verwendet Voice Call den ersten registrierten Provider für Echtzeittranskription.
• Mitgelieferte Provider für Echtzeittranskription: Deepgram (deepgram), ElevenLabs (elevenlabs), Mistral (mistral), OpenAI (openai) und xAI (xai), registriert durch ihre Provider-Plugins.
• Die providerspezifische Rohkonfiguration befindet sich unter streaming.providers.<providerId>.
• Nachdem Twilio eine akzeptierte Stream-Nachricht vom Typ start gesendet hat, registriert Voice Call den Stream sofort, reiht eingehende Medien während des Verbindungsaufbaus des Providers zur Verarbeitung durch den Transkriptions-Provider ein und startet die anfängliche Begrüßung erst, wenn die Echtzeittranskription bereit ist.
• Wenn streaming.provider auf einen nicht registrierten Provider verweist oder keiner registriert ist, protokolliert Voice Call eine Warnung und überspringt das Medienstreaming, anstatt das gesamte Plugin fehlschlagen zu lassen.

Beispiele für Streaming-Provider

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "openai",            streamPath: "/voice/stream",            providers: {              openai: {                apiKey: "sk-...", // optional if OPENAI_API_KEY is set                model: "gpt-4o-transcribe",                silenceDurationMs: 800,                vadThreshold: 0.5,              },            },          },        },      },    },  },}

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            streamPath: "/voice/stream",            providers: {              xai: {                apiKey: "${XAI_API_KEY}", // optional if XAI_API_KEY is set                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

TTS für Anrufe

Voice Call verwendet die Core-Konfiguration messages.tts für das Streaming von Sprachausgabe bei Anrufen. Sie können sie in der Plugin-Konfiguration mit derselben Struktur überschreiben – sie wird rekursiv mit messages.tts zusammengeführt.

{  tts: {    provider: "elevenlabs",    providers: {      elevenlabs: {        speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",        modelId: "eleven_multilingual_v2",      },    },  },}

Hinweise zum Verhalten:

• Veraltete Schlüssel vom Typ tts.<provider> innerhalb der Plugin-Konfiguration (openai, elevenlabs, microsoft, edge) werden durch openclaw doctor --fix repariert; eingecheckte Konfigurationen sollten tts.providers.<provider> verwenden.
• Core-TTS wird verwendet, wenn das Twilio-Medienstreaming aktiviert ist; andernfalls greifen Anrufe auf die nativen Stimmen des Providers zurück.
• Wenn bereits ein Twilio-Medienstream aktiv ist, greift Voice Call nicht auf TwiML OPENCLAW_DOCS_MARKER:calloutOpen:U2F5 zurück. Ist Telefonie-TTS in diesem Zustand nicht verfügbar, schlägt die Wiedergabeanforderung fehl, anstatt zwei Wiedergabepfade zu mischen.
• Wenn Telefonie-TTS auf einen sekundären Provider zurückgreift, protokolliert Voice Call zur Fehlerdiagnose eine Warnung mit der Provider-Kette (from, to, attempts).
• Wenn das Twilio-Unterbrechen der Wiedergabe oder der Abbau des Streams die ausstehende TTS-Warteschlange leert, werden die eingereihten Wiedergabeanforderungen abgeschlossen, anstatt Anrufer unbegrenzt auf den Abschluss der Wiedergabe warten zu lassen.

TTS-Beispiele

{messages: {tts: {provider: "openai",providers: {  openai: { speakerVoice: "alloy" },},},},}

{plugins: {entries: {"voice-call": {  config: {    tts: {      provider: "elevenlabs",      providers: {        elevenlabs: {          apiKey: "elevenlabs_key",          speakerVoiceId: "pMsXgVXv3BLzUgSXRplE",          modelId: "eleven_multilingual_v2",        },      },    },  },},},},}

{plugins: {entries: {"voice-call": {  config: {    tts: {      providers: {        openai: {          model: "gpt-4o-mini-tts",          speakerVoice: "marin",        },      },    },  },},},},}

Eingehende Anrufe

Die Richtlinie für eingehende Anrufe ist standardmäßig auf disabled gesetzt. Legen Sie Folgendes fest, um eingehende Anrufe zu aktivieren:

{inboundPolicy: "allowlist",allowFrom: ["+15550001234"],inboundGreeting: "Hello! How can I help?",}

Automatische Antworten verwenden das Agentensystem. Passen Sie es mit responseModel, responseSystemPrompt und responseTimeoutMs an.

Routing nach Rufnummer

Verwenden Sie numbers, wenn ein Voice-Call-Plugin Anrufe für mehrere Telefonnummern empfängt und sich jede Nummer wie eine andere Leitung verhalten soll. Beispielsweise kann eine Nummer einen ungezwungenen persönlichen Assistenten verwenden, während eine andere eine geschäftliche Persona, einen anderen Antwort-Agenten und eine andere TTS-Stimme nutzt.

Routen werden anhand der vom Provider bereitgestellten gewählten To-Nummer ausgewählt. Schlüssel müssen E.164-Nummern sein. Wenn ein Anruf eingeht, ermittelt Voice Call einmalig die passende Route, speichert sie im Anrufdatensatz und verwendet diese effektive Konfiguration erneut für die Begrüßung, den klassischen Pfad für automatische Antworten, den Echtzeit-Konsultationspfad und die TTS-Wiedergabe. Wenn keine Route übereinstimmt, wird die globale Voice-Call-Konfiguration verwendet. Ausgehende Anrufe verwenden numbers nicht; übergeben Sie beim Einleiten des Anrufs das ausgehende Ziel, die Nachricht und die Sitzung explizit.

Routenüberschreibungen unterstützen derzeit:

• inboundGreeting
• tts
• agentId
• responseModel
• responseSystemPrompt
• responseTimeoutMs

Der Routenwert tts wird tief mit der globalen Voice-Call-Konfiguration tts zusammengeführt, sodass Sie normalerweise nur die Stimme des Providers überschreiben müssen:

{inboundGreeting: "Hello from the main line.",responseSystemPrompt: "You are the default voice assistant.",tts: {  provider: "openai",  providers: {    openai: { speakerVoice: "coral" },  },},numbers: {  "+15550001111": {    inboundGreeting: "Silver Fox Cards, how can I help?",    responseSystemPrompt: "You are a concise baseball card specialist.",    tts: {      providers: {        openai: { speakerVoice: "alloy" },      },    },  },},}

Vertrag für Sprachausgabe

Für automatische Antworten fügt Voice Call der Systemaufforderung einen strikten Vertrag für die Sprachausgabe hinzu, der eine JSON-Antwort im Format {"spoken":"..."} verlangt. Voice Call extrahiert den gesprochenen Text defensiv:

• Ignoriert Nutzdaten, die als Überlegungs-/Fehlerinhalte gekennzeichnet sind.
• Analysiert direktes JSON, abgegrenztes JSON oder eingebettete "spoken"-Schlüssel.
• Greift auf Klartext zurück und entfernt wahrscheinliche einleitende Planungs-/Metatextabsätze.

Dadurch konzentriert sich die Sprachausgabe auf den für den Anrufer bestimmten Text, und Planungstext gelangt nicht in die Audioausgabe.

Verhalten beim Gesprächsstart

Bei ausgehenden conversation-Anrufen ist die Verarbeitung der ersten Nachricht an den aktuellen Wiedergabestatus gekoppelt:

• Das Leeren der Barge-in-Warteschlange und automatische Antworten werden nur unterdrückt, solange die anfängliche Begrüßung aktiv gesprochen wird.
• Wenn die anfängliche Wiedergabe fehlschlägt, kehrt der Anruf zu listening zurück, und die erste Nachricht bleibt für einen erneuten Versuch in der Warteschlange.
• Die anfängliche Wiedergabe für Twilio-Streaming beginnt beim Aufbau der Streamverbindung ohne zusätzliche Verzögerung.
• Barge-in bricht die aktive Wiedergabe ab und entfernt Twilio-TTS-Einträge aus der Warteschlange, deren Wiedergabe noch nicht begonnen hat. Entfernte Einträge werden als übersprungen abgeschlossen, sodass die Logik für Folgeantworten fortfahren kann, ohne auf Audio zu warten, das niemals abgespielt wird.
• Echtzeit-Sprachgespräche verwenden den eigenen Eröffnungsbeitrag des Echtzeitstreams. Voice Call sendet für diese erste Nachricht keine veraltete OPENCLAW_DOCS_MARKER:calloutOpen:U2F5-TwiML-Aktualisierung, sodass ausgehende <Connect><Stream>-Sitzungen verbunden bleiben.

Kulanzfrist bei Trennung eines Twilio-Streams

Wenn die Verbindung eines Twilio-Medienstreams getrennt wird, wartet Voice Call 2000 ms, bevor der Anruf automatisch beendet wird:

• Wenn der Stream innerhalb dieses Zeitfensters erneut verbunden wird, wird die automatische Beendigung abgebrochen.
• Wenn nach Ablauf der Kulanzfrist kein Stream erneut registriert wird, wird der Anruf beendet, um hängengebliebene aktive Anrufe zu verhindern.

Bereinigung veralteter Anrufe

Verwenden Sie staleCallReaperSeconds (Standardwert 120), um Anrufe zu beenden, die nie angenommen werden und nie einen aktiven Gesprächsstatus erreichen, beispielsweise Anrufe im Benachrichtigungsmodus, bei denen der Provider nie einen abschließenden Webhook zustellt. Setzen Sie den Wert zum Deaktivieren auf 0.

Die Bereinigung wird alle 30 Sekunden ausgeführt und beendet nur Anrufe, die keinen answeredAt-Zeitstempel haben und sich noch nicht in einem abschließenden oder aktiven Status (speaking/listening) befinden. Angenommene Gespräche werden daher von diesem Zeitgeber niemals bereinigt; maxDurationSeconds (Standardwert 300) ist die separate Obergrenze, die angenommene Anrufe beendet, wenn sie zu lange dauern.

Erhöhen Sie bei benachrichtigungsähnlichen Abläufen, bei denen Netzbetreiber Klingel-/Annahme-Webhooks verzögert zustellen können, staleCallReaperSeconds über den Standardwert hinaus, damit langsame, aber normale Anrufe nicht vorzeitig bereinigt werden; 120–300 Sekunden sind ein angemessener Bereich für den Produktivbetrieb.

{plugins: {entries: {  "voice-call": {    config: {      maxDurationSeconds: 300,      staleCallReaperSeconds: 120,    },  },},},}

Webhook-Sicherheit

Wenn sich ein Proxy oder Tunnel vor dem Gateway befindet, rekonstruiert das Plugin die öffentliche URL für die Signaturprüfung. Diese Optionen steuern, welchen Weiterleitungsheadern vertraut wird:

Zusätzliche Schutzmaßnahmen:

• Der Webhook-Wiederholungsschutz ist für Twilio, Telnyx und Plivo aktiviert. Wiederholte gültige Webhook-Anfragen werden bestätigt, aber hinsichtlich ihrer Seiteneffekte übersprungen.
• Twilio-Gesprächsbeiträge enthalten in <Gather>-Callbacks ein Token pro Beitrag, sodass veraltete/wiederholte Sprach-Callbacks keinen neueren ausstehenden Transkriptbeitrag erfüllen können.
• Nicht authentifizierte Webhook-Anfragen werden vor dem Lesen des Inhalts abgelehnt, wenn die erforderlichen Signaturheader des Providers fehlen.
• Der Voice-Call-Webhook verwendet vor der Signaturprüfung das gemeinsame Profil zum Lesen des Inhalts vor der Authentifizierung (maximal 64 KB Inhalt, 5 Sekunden Lesezeitüberschreitung) sowie eine Obergrenze für gleichzeitig laufende Anfragen pro Schlüssel (standardmäßig 8 gleichzeitige Anfragen pro Schlüssel).

Beispiel mit einem stabilen öffentlichen Host:

{plugins: {entries: {  "voice-call": {    config: {      publicUrl: "https://voice.example.com/voice/webhook",      webhookSecurity: {        allowedHosts: ["voice.example.com"],      },    },  },},},}

CLI

openclaw voicecall call --to "+15555550123" --message "Hello from OpenClaw"openclaw voicecall start --to "+15555550123"   # alias for callopenclaw voicecall continue --call-id <id> --message "Any questions?"openclaw voicecall speak --call-id <id> --message "One moment"openclaw voicecall dtmf --call-id <id> --digits "ww123456#"openclaw voicecall end --call-id <id>openclaw voicecall status --call-id <id>openclaw voicecall tailopenclaw voicecall latency                      # summarize turn latency from logsopenclaw voicecall expose --mode funnel

Wenn das Gateway bereits ausgeführt wird, delegieren operative voicecall-Befehle an die vom Gateway verwaltete Voice-Call-Laufzeit, damit die CLI keinen zweiten Webhook-Server bindet. Wenn kein Gateway erreichbar ist, greifen die Befehle auf eine eigenständige CLI-Laufzeit zurück.

latency liest calls.jsonl aus dem standardmäßigen Voice-Call-Speicherpfad. Verwenden Sie --file <path>, um eine andere Protokolldatei anzugeben, und --last <n>, um die Analyse auf die letzten N Datensätze zu begrenzen (Standardwert 200). Die Ausgabe enthält Minimum/Maximum/Durchschnitt, p50 und p95 für die Latenz pro Beitrag und die Wartezeiten beim Zuhören.

Agentenwerkzeug

Werkzeugname: voice_call.

Das Voice-Call-Plugin enthält eine passende Agenten-Skill.

Gateway-RPC

dtmfSequence ist nur mit mode: "conversation" gültig; Anrufe im Benachrichtigungsmodus sollten nach dem Aufbau des Anrufs voicecall.dtmf verwenden, wenn nach dem Verbindungsaufbau Ziffern benötigt werden.

Fehlerbehebung

Einrichtung der Webhook-Bereitstellung schlägt fehl

Führen Sie die Einrichtung in derselben Umgebung aus, in der auch das Gateway ausgeführt wird:

openclaw voicecall setupopenclaw voicecall setup --json

Für twilio, telnyx und plivo muss webhook-exposure grün sein. Eine konfigurierte publicUrl schlägt weiterhin fehl, wenn sie auf einen lokalen oder privaten Netzwerkbereich verweist, da der Netzbetreiber diese Adressen nicht zurückrufen kann. Verwenden Sie nicht localhost, 127.0.0.1, 0.0.0.0, 10.x, 172.16.x–172.31.x, 192.168.x, 169.254.x, fc00::/7, fd00::/8 oder andere Carrier-Grade-NAT-Bereiche als publicUrl.

Ausgehende Twilio-Anrufe im Benachrichtigungsmodus senden ihr anfängliches OPENCLAW_DOCS_MARKER:calloutOpen:U2F5-TwiML direkt in der Anfrage zur Anruferstellung, sodass die erste gesprochene Nachricht nicht davon abhängt, dass Twilio Webhook-TwiML abruft. Ein öffentlicher Webhook ist weiterhin für Status-Callbacks, Gesprächsanrufe, DTMF vor dem Verbindungsaufbau, Echtzeitstreams und Anrufsteuerung nach dem Verbindungsaufbau erforderlich.

Verwenden Sie einen öffentlichen Bereitstellungspfad:

{plugins: {entries: {"voice-call": {  config: {    publicUrl: "https://voice.example.com/voice/webhook",    // or    tunnel: { provider: "ngrok" },    // or    tailscale: { mode: "funnel", path: "/voice/webhook" },  },},},},}

Starten oder laden Sie nach dem Ändern der Konfiguration das Gateway neu und führen Sie anschließend Folgendes aus:

openclaw voicecall setupopenclaw voicecall smoke

voicecall smoke ist ein Testlauf, sofern Sie nicht --yes übergeben.

Provider-Anmeldedaten schlagen fehl

Überprüfen Sie den ausgewählten Provider und die erforderlichen Anmeldedatenfelder:

• Twilio: twilio.accountSid, twilio.authToken und fromNumber oder TWILIO_ACCOUNT_SID, TWILIO_AUTH_TOKEN und TWILIO_FROM_NUMBER.
• Telnyx: telnyx.apiKey, telnyx.connectionId, telnyx.publicKey und fromNumber oder TELNYX_API_KEY, TELNYX_CONNECTION_ID und TELNYX_PUBLIC_KEY.
• Plivo: plivo.authId, plivo.authToken und fromNumber oder PLIVO_AUTH_ID und PLIVO_AUTH_TOKEN.

Die Zugangsdaten müssen auf dem Gateway-Host vorhanden sein. Das Bearbeiten eines lokalen Shell-Profils wirkt sich erst auf einen bereits laufenden Gateway aus, wenn dieser neu gestartet wird oder seine Umgebung neu lädt.

Anrufe starten, aber Provider-Webhooks treffen nicht ein

Vergewissern Sie sich, dass die Provider-Konsole auf die exakte öffentliche Webhook-URL verweist:

https://voice.example.com/voice/webhook

Prüfen Sie anschließend den Laufzeitstatus:

openclaw voicecall status --call-id <id>openclaw voicecall tailopenclaw logs --follow

Häufige Ursachen:

• publicUrl verweist auf einen anderen Pfad als serve.path.
• Die Tunnel-URL hat sich nach dem Start des Gateways geändert.
• Ein Proxy leitet die Anfrage weiter, entfernt oder überschreibt jedoch die Host-/Protokoll-Header.
• Die Firewall oder DNS leitet den öffentlichen Hostnamen an ein anderes Ziel als den Gateway weiter.
• Der Gateway wurde neu gestartet, ohne dass das Voice-Call-Plugin aktiviert war.

Wenn sich ein Reverse-Proxy oder Tunnel vor dem Gateway befindet, setzen Sie webhookSecurity.allowedHosts auf den öffentlichen Hostnamen oder verwenden Sie webhookSecurity.trustedProxyIPs für eine bekannte Proxy-Adresse. Verwenden Sie webhookSecurity.trustForwardingHeaders nur, wenn die Proxy-Grenze unter Ihrer Kontrolle steht.

Signaturprüfung schlägt fehl

Provider-Signaturen werden anhand der öffentlichen URL geprüft, die OpenClaw aus der eingehenden Anfrage rekonstruiert. Wenn die Signaturprüfung fehlschlägt:

• Vergewissern Sie sich, dass die Provider-Webhook-URL exakt mit publicUrl übereinstimmt, einschließlich Schema, Host und Pfad.
• Aktualisieren Sie bei URLs des kostenlosen ngrok-Tarifs publicUrl, wenn sich der Tunnel-Hostname ändert.
• Stellen Sie sicher, dass der Proxy die ursprünglichen Host- und Protokoll-Header beibehält, oder konfigurieren Sie webhookSecurity.allowedHosts.
• Aktivieren Sie skipSignatureVerification nicht außerhalb lokaler Tests.

Twilio-Beitritte zu Google Meet schlagen fehl

Google Meet verwendet dieses Plugin für die Einwahl über Twilio. Überprüfen Sie zunächst Voice Call:

openclaw voicecall setupopenclaw voicecall smoke --to "+15555550123"

Überprüfen Sie anschließend ausdrücklich den Google-Meet-Transport:

openclaw googlemeet setup --transport twilio

Wenn Voice Call fehlerfrei funktioniert, der Meet-Teilnehmer aber nie beitritt, prüfen Sie die Meet-Einwahlnummer, die PIN und --dtmf-sequence. Der Telefonanruf kann ordnungsgemäß funktionieren, während die Besprechung eine falsche DTMF-Sequenz ablehnt oder ignoriert.

Google Meet startet den Twilio-Telefonabschnitt über voicecall.start mit einer DTMF-Sequenz vor dem Verbindungsaufbau. Aus einer PIN abgeleitete Sequenzen enthalten voiceCall.dtmfDelayMs des Google-Meet-Plugins (Standardwert: 12000 ms) als vorangestellte Twilio- Warteziffern, da die Meet-Einwahlaufforderungen verspätet eintreffen können. Voice Call leitet anschließend zurück zur Echtzeitverarbeitung, bevor die Begrüßungsansage angefordert wird.

Verwenden Sie openclaw logs --follow für die Live-Phasenverfolgung. Bei einem ordnungsgemäßen Twilio-Meet- Beitritt werden die Ereignisse in dieser Reihenfolge protokolliert:

• Google Meet delegiert den Twilio-Beitritt an Voice Call.
• Voice Call speichert die DTMF-TwiML für die Phase vor dem Verbindungsaufbau.
• Die anfängliche Twilio-TwiML wird verarbeitet und vor der Echtzeitverarbeitung bereitgestellt.
• Voice Call stellt Echtzeit-TwiML für den Twilio-Anruf bereit.
• Google Meet fordert nach der DTMF-Verzögerung mit voicecall.speak die Begrüßungsansage an.

openclaw voicecall tail zeigt weiterhin gespeicherte Anrufdatensätze an; dies ist für Anrufstatus und Transkripte hilfreich, allerdings werden dort nicht alle Webhook-/Echtzeitübergänge angezeigt.

Echtzeitanruf enthält keine Sprachausgabe

Stellen Sie sicher, dass nur ein Audiomodus aktiviert ist: realtime.enabled und streaming.enabled können nicht beide den Wert true haben.

Überprüfen Sie bei Echtzeitanrufen über Twilio/Telnyx außerdem Folgendes:

• Ein Echtzeit-Provider-Plugin ist geladen und registriert.
• realtime.provider ist nicht gesetzt oder benennt einen registrierten Provider.
• Der Provider-API-Schlüssel ist für den Gateway-Prozess verfügbar.
• openclaw logs --follow zeigt, dass Echtzeit-TwiML bereitgestellt, die Echtzeit-Bridge gestartet und die anfängliche Begrüßung in die Warteschlange gestellt wurde.

Verwandte Themen

• Sprechmodus
• Text-zu-Sprache
• Sprachaktivierung